JP7355374B2 - 電力変換装置の設計支援装置及び出力安定装置、電力変換装置の設計支援プログラム及び出力安定プログラム - Google Patents

Description

本発明は、電力変換装置の設計支援装置及び出力安定装置、電力変換装置の設計支援プログラム及び出力安定プログラムに関するものである。

電力変換装置の一例のスイッチング電源では、駆動回路によるオン／オフの時間比率により出力電力が制御される。駆動回路によるオン／オフは、出力電圧が目的電圧となるよう駆動制御装置によるフィードバック制御により行われる。駆動回路によるオン／オフにより出力電圧は、過渡期にオーバーシュートやアンダーシュートが発生し、徐々に減衰する振幅を繰り返しながら目的電圧へと収束する。したがって、このオーバーシュートやアンダーシュート、リンギングなどを抑えることが重要である。

このような駆動回路のオン／オフ制御について、特許文献１に記載されたものが知られている。特許文献１に記載の電力変換装置の制御回路及び制御方法は、オーバーシュート又はアンダーシュートの期間中に経時減衰するオーバーシュート又はアンダーシュートの抑制量を付加することで、短時間内にオーバーシュート又はアンダーシュートを抑制して出力を基準値に近づけるというものである。具体的には、出力がオーバーシュートしたときには、出力のフィードバック制御量に、オーバーシュートしている期間において定義される経時減衰抑制量を含むオーバーシュート抑制量を付加し、出力がアンダーシュートしたときには、出力のフィードバック制御量に、アンダーシュートしている期間において定義される経時減衰制御量を含むアンダーシュート抑制量を付加する。

特許第５４０１７２９号公報

オーバーシュートやアンダーシュートは、速やかな抑制により目標値に収束できることが望ましいが、特許文献１に記載の電力変換装置の制御回路及び制御方法では、サンプリング周期を乗算する時間関数により経時減衰抑制量を算出し、スイッチのオン時間を算出しているため、応答に時間が掛かるおそれがある。
したがって、デジタル制御電源の設計などのパラメータ決定時においても、オーバーシュートやアンダーシュートの抑制について、更なる改良が望まれている。

そこで本発明は、ゲイン制御に必要である、電力変換装置の駆動制御部のゲインを決定する適切な制御パラメータを即時演算及び出力することで、電力変換装置を更に安定した状態に制御することができる設計支援装置及び出力安定装置を提供することを目的とする。

本発明に係る設計支援装置は、入力された電力を変換して負荷へ出力する電力変換部と、前記負荷への出力をゲイン制御する駆動制御部とを備えた電力変換装置の設計を支援する設計支援装置であって、前記電力変換部を構成する回路部品の回路パラメータ、前記駆動制御部のゲインを決定する制御パラメータ、及び制御値からなる群から選択されるパラメータ情報と目標制御値との入力を受け付ける入力部と、前記パラメータ情報及び前記目標制御値が蓄積される記憶部と、前記パラメータ情報及び前記制御目標値に基づいて得られた第１特性を前記記憶部に蓄積する特性取得部と、前記記憶部に蓄積された前記第１特性を補間して得られた第２特性により、前記目標制御値に応じた制御パラメータを近似予測する予測部と、前記近似予測された制御パラメータを出力する出力部とを備える。これにより、パラメータ情報に基づいて、目標制御値に応じた適切な制御パラメータを出力することができる。

前記本発明に係る設計支援装置の前記特性取得部は、前記パラメータ情報と目標制御値とを用いて機械学習を行い、前記目標制御値を満たすパラメータの組合せを第１特性として前記記憶部に蓄積する機能と、前記予測部は、前記第１特性を用いて機械学習を行い、学習結果を法則化した第２特性により前記目標制御値に応じた制御パラメータを近似予測する機能とを含むことが望ましい。これにより、複雑系においても、目標制御値に応じた適切な制御パラメータを出力することができる。

本発明に係る出力安定装置は、入力された電力を変換して負荷へ出力する電力変換部と、前記負荷への出力をゲイン制御する駆動制御部とを備え、前記電力変換部を構成する回路部品の回路パラメータ、前記駆動制御部のゲインを決定する制御パラメータ、及び制御値からなる群から選択されるパラメータ情報を通知する通知部と、制御パラメータを設定する設定部とを含む電力変換装置の動作を制御する出力安定装置であって、前記パラメータ情報及び目標制御値の入力を受け付ける入力部と、前記パラメータ情報及び前記目標制御値が蓄積される記憶部と、前記パラメータ情報及び前記目標制御値に基づいて得られた第１特性を前記記憶部に蓄積する特性取得部と、前記記憶部に蓄積された前記第１特性を補間して得られた第２特性により、前記目標制御値に応じた制御パラメータを近似予測する予測部と、前記近似予測された制御パラメータを出力する出力部とを備え、前記電力変換装置の前記通知部からの通知に応じて、前記予測部が新たな制御パラメータを演算し、前記出力部から前記電力変換装置の前記設定部へ前記新たな制御パラメータを出力する。これにより、パラメータ情報に基づいて出力された目標制御値に応じた適切な制御パラメータを、電力変換装置へ適用することができる。

前記本発明に係る出力安定装置の前記特性取得部は、前記パラメータ情報と目標制御値とを用いて機械学習を行い、前記目標制御値を満たすパラメータの組合せを第１特性として前記記憶部に蓄積する機能と、前記予測部は、前記第１特性を用いて機械学習を行い、学習結果を法則化した第２特性により前記目標制御値に応じた制御パラメータを近似予測する機能とを含むことが望ましい。これにより、複雑系においても、通知されたパラメータ情報に基づいて出力された目標制御値に応じた適切な制御パラメータを、電力変換装置へ適用することができる。

前記本発明に係る出力安定装置は、前記制御値が所定の閾値を超えたことを異常として検知する検知部と、前記検知部による前記異常を報知する報知部とを備えることが望ましい。これにより、電力変換装置の異常を検知し、その旨を報知することができる。

前記本発明に係る出力安定装置は、前記検知部が前記制御値として出力電圧の異常を検知する出力安定装置であって、前記検知部は、前記出力電圧のオーバーシュート又はアンダーシュートの立ち上がり又は立ち下がりの周期が所定の閾値未満か否かを検知し、前記報知部は、前記周期が所定の閾値未満であれば、前記電力変換部のキャパシタの静電容量が減少していることを、前記周期が所定の閾値以上であれば、内部損失が増加していることを異常として報知することが望ましい。これにより、電力変換装置のキャパシタの静電容量の減少異常及び内部損失の増加異常を検知し、その旨を報知することができる。

本発明の設計支援装置によれば、デジタル制御電源の設計時に、電力変換装置の仕様や目標制御値に応じた適切な制御パラメータを即時に演算することができ、電力変換装置を安定した状態に制御することができる。
また、本発明の出力安定装置によれば、動的に、電力変換装置の仕様や目標制御値に応じた適切な制御パラメータを即時に演算及び出力することができ、電力変換装置を更に安定した状態に制御することができる。

本発明の第１の実施の形態に係る設計支援装置の構成を説明するための図である。 本発明の第２の実施の形態に係る出力安定装置の構成を説明するための図である。 図１に示す駆動制御部の構成を説明するための図である。 図１に示す駆動制御部のゲイン演算部の構成を説明するための図である。 図１に示す駆動制御部の動作を説明するためのフローチャートである。 目標電圧からプラス方向及びマイナス方向に電圧閾値が設定されたことを説明するための図である。 オーバーシュートと立ち上がり又は立ち下がり、アンダーシュートの立ち下がり又は立ち上がりによって、ゲイン調整値を切り替えることを説明するための図である。 図１に示す設計支援装置の構成を説明するための図である。 図２に示す出力安定装置の構成を説明するための図である。 図２に示す駆動制御部の構成を説明するための図である。 図８に示す設計支援装置及び図９に示す出力安定装置の動作を説明するためのフローチャートである。 図８に示す設計支援装置及び図９に示す出力安定装置の特性取得部を説明するための図である。 図８に示す設計支援装置及び図９に示す出力安定装置の予測部を説明するための図である。 実施例で用いた降圧型ＤＣ－ＤＣコンバータを説明するための図である。 実施例の結果を示す図であり、（Ａ）はｅ_oの偏差に対してＫ_Pを切り替えた場合の過渡特性を、（Ｂ）はｅ_oの傾きに対してＫ_Pを切り替えた場合の過渡特性をまとめたものである。 実施例の結果を示す図であり、（Ａ）は制御パラメータＫ_errorとΔｅ_omaxの第１特性を、（Ｂ）は制御パラメータＫ_devとΔｅ_omaxの第１特性を説明するための図である。 実施例の結果を示す図であり、（Ａ）は図１６（Ａ）の第１特性に対し、（Ｂ）は図１６（Ｂ）の第１特性に対し補間を行ったグラフである。 実施例の結果を示す図であり、（Ａ）は図１７（Ａ）に基づいて、（Ｂ）は図１７（Ｂ）に基づいて導出された近似曲線を示したものである。 実施例の結果を示す図であり、（Ａ）は負荷ステップが０．２Ａ～１．０Ａ、（Ｂ）は負荷ステップが０．２Ａ～２．０Ａの場合に導出された近似式を用いてＫ_Pを切り替えた場合の過渡特性を示した図である。 検知部が検知する異常を説明するための図である。

（第１の実施の形態）
本発明の第１の実施の形態に係る設計支援装置５を図面に基づいて説明する。設計支援装置５は電力変換装置１の設計を支援するため、まず、電力変換装置１について説明する。図１に示す電力変換装置１は、電力変換部２と、駆動部３と、駆動制御部４とを備えている。また、電力変換装置１の電力変換部２は、直流電源Ｂと、ＤＣ－ＤＣコンバータ部２１と、負荷Ｒとを備えており、入力された電流を変換して負荷Ｒへ出力する。

ＤＣ－ＤＣコンバータ部２１は、直流電圧を変圧して供給する電圧変換装置であり、本実施の形態では、降圧型コンバータとしている。ＤＣ－ＤＣコンバータ部２１は、直流電源Ｂからの電源線Ｌ１とグランド線Ｌ２とが入力端子Ｔ１１，Ｔ１２に接続され、出力端子Ｔ２１，Ｔ２２に負荷Ｒが接続されている。
ＤＣ－ＤＣコンバータ部２１は、スイッチング素子Ｔｒと、リアクトルＬと、ダイオードＤと、キャパシタＣとを備えている。

スイッチング素子Ｔｒは、負荷Ｒへの電流を通過させたり遮断させたりするトランジスタである。本実施の形態では、スイッチング素子Ｔｒはｎ型ＦＥＴ（Ｆｉｅｌｄ Ｅｆｆｅｃｔ Ｔｒａｎｓｉｓｔｏｒ）としている。
スイッチング素子Ｔｒは、ドレインが電源線Ｌ１に接続されていると共に、駆動部３に接続されている。

ダイオードＤは、電源線Ｌ１とグランド線Ｌ２との間に接続されている。
リアクトルＬは、電源線Ｌ１に直列に挿入されている。リアクトルＬの一端は、スイッチング素子Ｔｒのソースに接続されていると共に、ダイオードＤのカソードに接続されている。リアクトルＬの他端は、キャパシタＣと負荷Ｒに接続されている。
キャパシタＣは、電源線Ｌ１とグランド線Ｌ２との間に接続されている。

駆動部３は、駆動制御部４からのＰＷＭ（Ｐｕｌｓｅ Ｗｉｄｔｈ Ｍｏｄｕｌａｔｉｏｎ）制御のための信号Ｓ_PWMに基づいて、スイッチング素子Ｔｒにオン／オフを指示する信号を駆動するものである。

図３に示すように、駆動制御部４は、前置増幅部４１と、ＡＤコンバータ部４２と、ゲイン演算部４３と、ＰＩＤ（Ｐｒｏｐｏｒｔｉｏｎａｌ Ｉｎｔｅｇｒａｌ Ｄｉｆｆｅｒｅｎｔｉａｌ）制御部４４と、ＰＷＭ信号生成部４５とを備えている。
前置増幅部４１は、ＤＣ－ＤＣコンバータ部２１の出力電圧ｅ_o（負荷電圧）を増幅すると共に、ローパスフィルタにより標本化定理を満たすように高周波成分を遮断する。
ＡＤコンバータ部４２は、アナログ信号（アナログ値）をデジタル信号（デジタル値）に変換する。本実施の形態では、ＡＤコンバータ部４２は、例えば、１２ビットのデジタル値に変換している。

ゲイン演算部４３は、目標電圧Ｎｒと出力電圧ｅ_oとの偏差の絶対値と、出力電圧ｅ_oの変化分の絶対値とを加算して、ゲイン調整値Ｋ_PとしてＰＩＤ制御部４４へ出力する。
ＰＩＤ制御部４４は、ゲイン調整値Ｋ_Pに基づいて負荷Ｒへの出力（出力電圧ｅ_o）と目標値（目標電圧Ｎｒ）との偏差を是正するゲイン制御を行うフィードバック制御部として機能するものである。
ＰＷＭ信号生成部４５は、ＰＩＤ制御部４４からのスイッチング信号Ｎ_Tonに基づいてゲイン制御をＰＷＭ制御により行うための信号Ｓ_PWMを駆動部３へ出力する。

ここで、ゲイン演算部４３について、図４に基づいて詳細に説明する。
図４に示すゲイン演算部４３は、負荷Ｒへの出力（出力電圧ｅ_o）と目標値（目標電圧Ｎｒ）との偏差の絶対値を演算する第１演算部４３１と、負荷Ｒへの出力（出力電圧ｅ_o）の傾きの絶対値を演算する第２演算部４３２と、加算部４３３と、ゲイン抑制部４３４とを備えている。

第１演算部４３１は、偏差演算部４３ａと、第１絶対値演算部４３ｂと、第１ゲイン演算部４３ｃとを備えている。

偏差演算部４３ａは、ＡＤコンバータ部４２からの出力電圧ｅ_O［ｎ］（デジタル値）を入力して目標電圧Ｎｒとの偏差を求め、偏差Ｎ_errorを出力する。
第１絶対値演算部４３ｂは、偏差演算部４３ａからの偏差Ｎ_errorの絶対値｜Ｎ_error｜を算出する。
第１ゲイン演算部４３ｃは、第１絶対値演算部４３ｂからの出力｜Ｎ_error｜に定数Ｋ_errorを乗算したものに、バイアス値Ｋ_C1を加算して、第１ゲインＫ_P1を算出する。

第２演算部４３２は、バッファ部４３ｄと、傾き演算部４３ｅと、第２絶対値演算部４３ｆと、第２ゲイン演算部４３ｇとを備えている。
バッファ部４３ｄは、出力電圧ｅ_O［ｎ］を記憶して、前回の出力電圧ｅ_O［ｎ－１］を出力する。
傾き演算部４３ｅは、出力電圧ｅ_o［ｎ］と前回の出力電圧ｅ_o［ｎ－１］との差を求め、傾きＮ_devを出力する。
第２絶対値演算部４３ｆは、傾き演算部４３ｅからの傾きＮ_devの絶対値｜Ｎ_dev｜を算出する。
第２ゲイン演算部４３ｇは、第２絶対値演算部４３ｆからの出力｜Ｎ_dev｜を、べき乗数Ｍによるべき乗して定数Ｋ_devを乗算したものに、バイアス値Ｋ_C2を加算して、第２ゲインＫ_P2を算出する。本実施の形態では、Ｎ_devの絶対値（｜Ｎ_dev｜）を自乗している。

加算部４３３は、第１ゲイン演算部４３ｃからの第１ゲインＫ_P1と、第２ゲイン演算部４３ｇからの第２ゲインＫ_P2と、バイアス値Ｋ_Cとを加算して、ゲイン調整値Ｋ_P0を算出する。
ゲイン抑制部４３４は、偏差の絶対値｜Ｎ_error｜と閾値電圧値の絶対値｜Ｖ_th｜とを比較し、その結果に基づいてゲイン調整値Ｋ_Pを設定して、ＰＩＤ制御部４４に出力する。

ここで、電圧閾値Ｖ_thは、例えば、目標電圧Ｎｒの１％とすることができるが、負荷Ｒが要求する電圧精度に応じて適宜決定することができる。
電圧閾値Ｖ_thは、｜Ｎ_error｜が増加して第１値とした｜Ｖ_th｜以上となると、第１値とした｜Ｖ_th｜から小さい第２値とすることができる。また、｜Ｎ_error｜が減少して第３値とした｜Ｖ_th｜未満となると、第３値とした｜Ｖ_th｜から大きい第４値とすることができる。この第１値から第４値は、第１値と第４値は同じ値とすることができ、第２値と第３値を同じ値とすることができる。

このように｜Ｖ_th｜の値を｜Ｎ_error｜の増加または減少に応じて変えることで、ゲイン抑制部４３４にヒステリシス特性を持たせることができ、｜Ｎ_error｜が｜Ｖ_th｜付近で揺らぐように変化したときに、ゲイン調整値Ｋ_Pが振動することを抑止することができる。

以上のように構成された本発明の実施の形態に係る電力変換装置１の動作を、図５に示すフローチャートの流れにしたがって説明する。
まず、図３に示す前置増幅部４１が負荷Ｒへの出力電圧ｅ_Oを検出すると増幅して、ＡＤコンバータ部４２へ出力する（ステップＳ１０）。
図３及び図４に示すＡＤコンバータ部４２は、前置増幅部４１により増幅された出力電圧ｅ_Oをデジタル値であるｅ_O［ｎ］へ変換して、ゲイン演算部４３と、ＰＩＤ制御部４４へ出力する。

まず、図４に示す偏差演算部４３ａが、目標電圧Ｎｒから出力電圧ｅ_O［ｎ］を引き偏差Ｎ_errorを算出する。また、傾き演算部４３ｅでは、バッファ部４３ｄから前回の出力電圧ｅ_O［ｎ－１］を読み出し、出力電圧ｅ_O［ｎ］からの差から、変化分となる傾きＮ_devを算出する。（ステップＳ２０）。
次に、第１絶対値演算部４３ｂが、偏差Ｎ_errorの絶対値｜Ｎ_error｜を算出する。
また、第２絶対値演算部４３ｆが、Ｎ_devの絶対値｜Ｎ_dev｜を算出する（ステップＳ３０）。

次に、ゲイン抑制部４３４が、偏差の絶対値である｜Ｎ_error｜が所定の電圧閾値の絶対値｜Ｖ_th｜以上であるか否かを判断する（ステップＳ４０）。

｜Ｎ_error｜が所定の電圧閾値の絶対値｜Ｖ_th｜未満であるときには、ゲイン抑制部４３４は、ゲインを抑制するための定数Ｋ_pminをゲイン調整値Ｋ_Pとする（ステップＳ５０）。定数Ｋ_pminは、例えば１とすることができる。

図３及び図４に示すように、ＰＩＤ制御部４４は、比例ゲインであるゲイン調整値Ｋ_Pに基づいてＰＩＤ制御（Ｐ制御）をＫ_P（Ｎｒ－ｅ_O［ｎ］）にしたがって行い、偏差を是正するためのスイッチング信号Ｎ_Tonを出力する（ステップＳ６０）。

一方、ステップＳ４０にて、偏差の絶対値である｜Ｎ_error｜が所定の電圧閾値の絶対値｜Ｖ_th｜以上であると判定された場合には、ゲイン抑制部４３４は、Ｎ_dev×Ｎ_errorが０未満であるか否かを判定する（ステップＳ７０）。
Ｎ_dev×Ｎ_errorが０以上である場合には、ゲイン抑制部４３４は、ステップＳ５０へ移行して、ゲイン調整値Ｋ_P0より小さい値となる定数であり、ゲインを抑制するための定数Ｋ_pminをゲイン調整値Ｋ_Pとする。

ステップＳ７０にて、Ｎ_dev×Ｎ_errorが０未満であると判定された場合には、第１ゲイン演算部４３ｃが第１ゲインＫ_P1を算出し、第２ゲイン演算部４３ｇが、第２ゲインＫ_P2を算出する（ステップＳ８０）。
具体的には、第１ゲイン演算部４３ｃは、偏差Ｎ_errorの絶対値｜Ｎ_error｜に定数Ｋ_errorを乗算し、バイアス値Ｋ_C1を加算することで、第１ゲインＫ_P1を算出する。
また、第２ゲイン演算部４３ｇは、傾きＮ_devの絶対値｜Ｎ_dev｜をべき乗して定数Ｋ_devを乗算し、バイアス値Ｋ_C2を加算することで、第２ゲインＫ_P2を算出する。

第１ゲインＫ_P1が算出され、第２ゲインＫ_P2が算出されると、加算部４３３が、第１ゲインＫ_P1と、第２ゲインＫ_P2と、バイアス値Ｋ_Cとを加算して、ゲイン調整値Ｋ_P0を出力する（ステップＳ９０）。

そして、ゲイン抑制部４３４は、ＰＩＤ制御部４４へのゲイン調整値Ｋ_Pとしてゲイン調整値Ｋ_P0を出力して、ステップＳ６０へ移行する（ステップＳ１００）。

そして、ＰＷＭ信号生成部４５は、スイッチング信号Ｎ_Tonに基づいてＰＷＭ制御のための信号Ｓ_PWMを駆動部３へ出力する。駆動部３は、信号Ｓ_PWMを増幅して、スイッチング素子Ｔｒをオンまたはオフすることで、負荷Ｒへの電流を通過させたり、遮断させたりする。

ここで、ゲイン抑制部４３４によるゲインの抑制について、図面に基づいて詳細に説明する。
まず、出力電圧ｅ_Oが過渡状態であるか否かによって、ゲイン調整値Ｋ_pを切り替えている点について説明する。
図６に示すように、出力電圧ｅ_Oが過渡状態であるか否かを判断するために目標電圧Ｅ_o ^*からプラス方向及びマイナス方向にＶ_thの幅を持たせて電圧閾値が設定される。
図５に示すように、ステップＳ４０にて、偏差の絶対値である｜Ｎ_error｜が所定の電圧閾値の絶対値｜Ｖ_th｜以上であるか否かを判定している。
そして、｜Ｎ_error｜が｜Ｖ_th｜未満であれば、ゲイン抑制部４３４は、ステップＳ５０にて、定数Ｋ_pminをゲイン調整値Ｋ_Pとしている。
また、｜Ｎ_error｜が｜Ｖ_th｜以上であれば、Ｎ_devとＮ_errorの符号がマイナス同士又はプラス同士の時に、ゲイン抑制部４３４は、ステップＳ１００にてＫ_P0をゲイン調整値Ｋ_Pとしている。

したがって、出力電圧ｅ_Oが電圧閾値Ｖ_thを超えると過渡状態と見なし、系が不安定条件になっても構わないので、大きなゲイン（Ｋ_P0→Ｋ_P）の調整を行うことで、大きく是正することができる。
出力電圧ｅ_Oが過渡状態でない定常状態では、小さいゲイン（Ｋ_pmin→Ｋ_P）の調整を行うことで、大きなゲインによる調整で、収束に悪影響を与えることを抑えることができ、出力平滑キャパシタを小さい容量とすることができるので、小型化を図ることができる。
また、出力平滑キャパシタが小さいと過渡時の振動の周波数も高くなり、時定数は逆に小さくなるため、速く収束させることができる。

次に、オーバーシュートの立ち上がり又は立ち下がり、アンダーシュートの立ち下がり又は立ち上がりによって、ゲイン調整値Ｋ_pを切り替えている点について説明する。
図７に示すように、出力電圧ｅ_Oが、アンダーシュートにより、目標電圧Ｅ_o ^*から、マイナス方向に遠ざかるように変化しているＴ１期間では、偏差Ｎ_errorはマイナス符号となり、傾きＮ_devもマイナス符号となる。
Ｔ１期間から目標電圧Ｅ_o ^*に向かうように変化するＴ２期間では、偏差Ｎ_errorはマイナス符号となり、傾きＮ_devはプラス符号となる。
Ｔ２期間から目標電圧Ｅ_o ^*を超えて、プラス方向に遠ざかるように変化しているＴ３期間では、偏差Ｎ_errorはプラス符号となり、傾きＮ_devもプラス符号となる。
Ｔ３期間から目標電圧Ｅ_o ^*に向かうように変化するＴ４期間では、偏差Ｎ_errorはプラス符号となり、傾きＮ_devはマイナス符号となる。

したがって、出力電圧ｅ_Oが目標電圧Ｅ_o ^*から遠ざかる方向に変化している期間（Ｔ１期間，Ｔ３期間）では、偏差Ｎ_errorと傾きＮ_devの乗算は、プラス符号となる。
以上より、ステップＳ１００にて、ゲイン調整値Ｋ_P0をゲイン調整値Ｋ_Pとすることで、アンダーシュートの立ち下がりや、オーバーシュートの立ち上がりを、大きく抑制することができる。
反対に、目標電圧Ｅ_o ^*に向かうように変化している期間（Ｔ２期間，Ｔ４期間）では、偏差Ｎ_errorと傾きＮ_devの乗算は、マイナス符号となる。
したがって、ステップＳ５０にて、定数Ｋ_pminをゲイン調整値Ｋ_Pとすることで、Ｋ_P0より十分に小さい値とすることができるので、過補償によるアンダーシュートやオーバーシュートを引き起こすことが防止できる。

ここで、第１ゲイン演算部４３ｃで第１ゲインＫ_P1を算出する際に用いる定数Ｋ_errorや、第２ゲイン演算部４３ｇで第２ゲインＫ_P2を算出する際に用いる定数Ｋ_devなどの制御パラメータは、適切な値を設定すれば効果的にオーバーシュートやアンダーシュートを抑制することができるが、手動で適切な値を予測することは非常に困難である。例えば、定数Ｋ_errorを大きくし過ぎてしまうと、系の安定性が徐々に損なわれ、収束が遅れたり、そもそも収束しなかったりする。また、定数Ｋ_devを大きくすると、高速な応答を得られるが、出力電圧ｅ_oがほぼ収束している状態で出力電圧ｅ_oの僅かな傾きに対して大きくゲインが変わってしまうため、振動が残ってしまう。
また、出力電圧だけでなく、リアクトル電流や収束時間など目標値に近付ける場合や、さらに、定数Ｋ_errorや定数Ｋ_dev以外、例えば微分ゲイン定数Ｋ_D、積分ゲイン定数Ｋ_Iなどを含めた複数の制御パラメータを予測する場合は、手動で適切な値を予測することは不可能である。なお、より効果的にオーバーシュートやアンダーシュートを抑制するためには、例えば、過渡状態の出力電圧ｅ_oのオーバーシュートやアンダーシュート時の途中の電圧毎にゲインを切り替える必要がある。
したがって、更に効果的にオーバーシュート及びアンダーシュートを抑制するために、制御パラメータの適切な値を予測し得る設計支援装置５を提供する。

図８に示すように、設計支援装置５は、入力部５１と、記憶部５２と、特性取得部５３と、予測部５４と、出力部５５とを備えている。

入力部５１は、電力変換装置１の電力変換部２を構成する回路部品の回路パラメータ、電力変換装置１の駆動制御部４のゲインを決定する制御パラメータ、及び制御値からなる群から選択されるパラメータ情報、及び目標制御値の入力を受け付ける。ここで、回路パラメータは、電力変換装置１の電力変換を行う電力変換部２を構成する回路部品のパラメータであり、具体的には、図１に示すリアクトルＬ、キャパシタＣ、入力電圧Ｅｉの内部損失ｒなどの値を示すパラメータである。また、制御パラメータは、電力変換部２の出力を制御する駆動制御部４のゲインを決定するためのパラメータであり、具体的には、定数Ｋ_error、定数Ｋ_dev、閾値電圧値の絶対値｜Ｖ_th｜、定数Ｋ_Pmin、定数Ｋ_C、微分ゲイン定数Ｋ_D、積分ゲイン定数Ｋ_Iなどの値を示すパラメータである。以下、定数Ｋ_error、定数Ｋ_dev等を単にＫ_error、Ｋ_devということもある。なお、制御値とは、具体的には、出力電圧ｅ_omax、出力電流ｉ_Lmax、収束時間t_cvなどの制御対象の値である。

記憶部５２には、入力部５１より受け付けられた、パラメータ情報及び目標制御値が蓄積される。

特性取得部５３は、記憶部５２に蓄積されたパラメータ情報と目標制御値とを用いて機械学習を行い、目標制御値を満たすパラメータの組合せを第１特性として記憶部５２に蓄積する。

予測部５４は、記憶部５２に蓄積された該第１特性を用いて機械学習を行い、学習結果を法則化した第２特性により、目標制御値に応じた制御パラメータを近似予測する。

出力部５５は、予測部５４で予測された制御パラメータを出力する。

前述した第１の実施の形態に係る設計支援装置によれば、デジタル制御電源の設計時に、電力変換装置の仕様や目標制御値に応じた適切な制御パラメータを即時に演算することができる。そして、該制御パラメータを利用することで、効果的にオーバーシュートやアンダーシュートなどの抑制を行うことができ、電力変換装置を安定した状態に制御することができる。

（第２の実施の形態）
続いて、第２の実施の形態に係る出力安定装置を図面に基づいて説明する。図９に示す出力安定装置５０は、図８に示す設計支援装置５と同様の構造及び機能を有し、さらに、検知部５６と、報知部５７とを備える。また、図２に示すように、電力変換装置１０は、出力安定装置５０へ、回路パラメータ、制御パラメータ、及び制御値からなる群から選択されるパラメータ情報を通知し、出力安定装置５０は、電力変換装置１０へ制御パラメータを出力する。

電力変換装置１０の駆動制御部４０は、図１に示す電力変換装置１の駆動制御部４と同様の構造及び機能を有し、さらに、出力安定装置５０の入力部５１へパラメータ情報を通知する通知部４６と、出力安定装置５０の出力部５５から出力される新たな制御パラメータを設定する設定部４７とを備える（図１０参照）。

出力安定装置５０は、電力変換装置１０の駆動制御部４０の通知部４６から通知されたパラメータ情報に応じて、予測部５４で新たな制御パラメータを演算し、出力部５５で電力変換装置１０へ新たな制御パラメータを出力する。電力変換装置１０の駆動制御部４０の設定部４７は、該新たな制御パラメータに基づいて負荷への出力をゲイン制御する。これにより、動的なゲインの変更による制御が可能となり、より効果的にオーバーシュートやアンダーシュートなどの抑制を行うことができる。
ここで、電力変換装置１０と出力安定装置５０間の入出力（通信）は、有線又は無線通信を利用して行ってもよい。また、出力安定装置５０により導出された近似式を、電力変換装置１０の駆動制御部４０に適用させることで、駆動制御部４０側で制御値に応じた新たな制御パラメータの演算を行ってもよい。なお、動的なゲイン制御（ゲインの変更）だけでなく、回路パラメータや制御パラメータ全般の変更を行ってもよい。

前述した本発明の第１の実施の形態に係る設計支援装置５、及び第２の実施の形態に係る出力安定装置５０を用いた制御パラメータの出力などについて、図１１に示すフローチャートの流れに従って説明する。

[仕様決定]
始めに、回路の仕様を決定する（Ｓ１１０）。
設計対象の回路に応じて、固定される回路パラメータ、変化させる回路パラメータ及びその範囲の決定を行う。次に、固定される制御パラメータ、変化させる制御パラメータ及びその範囲の決定を行う。そして、制御対象の目標制御値や仕様の決定などを行う。具体的には、出力電圧の目標制御値及び変化の許容範囲の決定や、許容される収束時間の決定などである。最後に、動作モード（例えば、軽負荷状態ではＰＦＭ、重負荷状態ではＰＷＭなど）や回路モデルを選択する。
決定した回路パラメータ、制御パラメータ、目標制御値などは、入力部５１で受け付けられ、記憶部５２に蓄積される。入力部５１へは、有線又は無線通信によりキーボード、マウスなどから入力してもよく、ＵＳＢメモリや外部ストレージなどを用いてもよい。

そして、決定した仕様に基づいて回路パラメータや制御パラメータを変化させて制御値を取得し、決定した目標制御値の条件を満たすパラメータの組合せを起点データとして収集する（Ｓ１２０）。収集した起点データは、入力部５１で受け付けられ、記憶部５２に蓄積される。ここで、起点データは、シミュレーションや実験を行い収集してもよく、理論式から導き出した値を採用してもよい。また、起点データの数に制限はなく、起点データがなくてもよい。

[特性取得]
次に、特性取得部５３は、記憶部５２に蓄積されたパラメータ情報と目標制御値とに基づいて第１特性を取得する（ステップＳ１３０）。図１２（Ａ）に、第１特性の予測のイメージを示す。ここで、図１２（Ａ）に示す入出力パラメータは一例であり、例示されているパラメータ以外を用いてもよい。また、図１２（Ｂ）に、第１特性のイメージを示す。図１２（Ｂ）に示されているのは、回路パラメータ（負荷のステップ変化ΔＲ₁，ΔＲ₂）、制御パラメータ（Ｋ_error）、及び制御値（出力電圧Δｅ_omax）との特性（関係性）であり、他の回路パラメータ（他の負荷のステップ変化ΔＲなど）や制御パラメータ（Ｋ_dev，Ｋ_cなど）、制御値（リアクトル電流など）についても、このような特性が得られる。
特性取得部５３は、全ての制御値が、予め設定した仕様や制約条件を満たす（つまり、目標制御値を満たす）と評価し得るパラメータの組合せを決定する。予め設定した仕様や制約条件を満たすとは、例えば、出力電圧Δｅ_omaxの変動が許容範囲である±５％以内に収まっているか否か、などである。このように、特性取得部５３は、目標制御値を満たす（仕様を満たす）パラメータの組合せを第１特性として取得し、記憶部５２に蓄積する。
目標制御値を満たすパラメータの組合せとは、例えば、制御値をΔｅ_omax、目標制御値を５Ｖ±５％以内とすると、出力電圧Δｅ_omaxが４．７５Ｖ～５．２５Ｖとなる回路パラメータ、制御パラメータの組合せである。

ここで、特性取得部５３は、パラメータ情報と目標制御値とを用いて機械学習を行い、全ての制御値が目標制御値を満たすパラメータの組合せを求めることが望ましい。機械学習によれば、全ての組合せ（複数の回路パラメータや制御値）から、最適な解（制御パラメータ）を効率よく求めることができるためである。また、機械学習は、パラメータの数や種類などに応じて、ディープラーニング、強化学習、ＧＡ（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ）などから選択することが望ましい。特に、このような組合せ最適化問題においては、ＧＡを用いることが望ましい。全探索が不可能と考えらえるほど広大な解空間を持つ複雑系においても、有効だからである。

[予測]
第１特性が記憶部５２に蓄積されると、予測部５４は、記憶部５２に蓄積された第１特性から、目標制御値に応じた制御パラメータを近似予測する。まず、予測部５４は、特性取得部５３で取得された第１特性を補間して第２特性を取得する（ステップＳ１４０）。補間とは、前後のデータを参照し、その中間の値を演算から推測して補うことである。例えば、出力電圧Δｅ_omaxが４．０Ｖの場合おける制御パラメータＫ_errorが５、出力電圧Δｅ_omaxが４．５Ｖの場合における制御パラメータＫ_errorが１０であるとすると、その間（４．０Ｖ～４．５Ｖ）の制御パラメータＫ_errorを、前後のデータ（Ｋ_errorが５、Ｋ_errorが１０）を参照して補うことである。
図１３（Ａ）に、各回路パラメータ及び制御対象（例えば、出力電圧Δｅ_omax）の目標値を予測部５４に入力し、それに基づいて補間される各制御パラメータのイメージを示す。図１３（Ｂ）は、予測部５４により補間された制御パラメータ（Ｋ_error）と、制御対象（出力電圧Δｅ_omax）の目標制御値との関係性を示した第２特性のイメージである。このようにして得られた第２特性により、制御対象（出力電圧Δｅ_omax）の目標制御値に応じた制御パラメータ（Ｋ_error）の近似予測を行う。

予測部５４は、第２特性から、線形近似や非線形近似などによる近似式を導出し、該近似式を利用して制御パラメータの近似予測を行う（ステップＳ１５０）。
ここで、予測部５４は、第１特性を用いて機械学習を行い、学習結果を法則化することで第２特性を取得し、近似式を導出することが望ましい。各制御パラメータと制御対象の目標制御値との関係が非線形の場合における予測が、可能となるためである。

学習結果を法則化することとは、例えば、第１特性から規則性や関連性を抽出し、機械学習を繰り返すことで、学習モデルを作成することである。また、機械学習は、パラメータの数や種類、導出される近似式の種類などに応じて、ディープラーニング、強化学習、ＧＡ（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ）などから選択することが望ましい。特に、近似式が一次関数ではなく多変数関数となるような、複雑な近似が必要となる場合は、ディープラーニングを用いることが望ましい。入力層を増やし、中間層を多層とすることで予測精度の向上が図れるためである。
予測された制御パラメータは、駆動制御装置のゲイン演算部で利用される。これにより、目標制御値（負荷への出力目標値など）に応じた制御パラメータの設計が可能となる。

なお、近似予測はＬＵＴ（ＬｏｏｋＵｐ Ｔａｂｌｅ）を作成して行ってもよい。また、補間だけでなく、補外により変域外の制御パラメータを予測してもよい。

出力安定装置５０は、さらに電力変換装置１０からの通知を入力部５１で受け付ける。通知を受け付けた場合（データの追加があった場合）、出力安定装置５０は、該通知情報（データ）を加えて、さらにステップＳ１３０～Ｓ１５０を繰り返す。具体的には、通知されたパラメータ情報が加えられたデータに基づいて、再度、特性取得部５３は第１特性を取得し、予測部５４は第２特性の取得及び近似予測を行う。
このように、データの追加を行う（学習データを増やす）ことで、ＡＩによる組合せ最適化における解の精度向上や法則化の精度向上が図られ、制御パラメータの予測精度が向上する。その結果、手動（人間）では予測不能とも言える複雑系においても、仕様や制約条件を満たし、より正確な制御パラメータの予測を実現できる。

（試験例）
実施の一例として、図２に示す出力安定装置５０について、制御パラメータを予測してゲイン制御（ゲイン切り替え）を行った場合の過渡特性を検証し、従来の過渡特性との比較を行った。条件として、負荷ステップは０．２Ａ～１．０Ａ及び０．２Ａ～２．０Ａの２種類、制御対象（制御値）は、Δｅ_omax、t_cv、ｉ_Lmax、目標制御値にはΔｅ_omax（５Ｖ±５％）を用いて、最適な制御パラメータＫ_error及びＫ_devを予測した。検証に使用した降圧型ＤＣ－ＤＣコンバータの固定パラメータを図１４に示す。固定する回路パラメータは、Ｅ_i、Ｃ_i、Ｌ、Ｃ_o、Ｅ_o、ΔＥ_oであり、固定する制御パラメータは、Ａ－Ｄ変換器のビット数、Ｋ_D、Ｋ_I、制御周期である。
この条件において従来方式の結果は、Δｅ_omax、t_cv及びｉ_Lmaxが、４．６％、４．７ｍｓ及び５９％（負荷ステップを０．２Ａ～１．０Ａとした場合）、１０％、４．８ｍｓ及び１５０％（負荷ステップを０．２Ａ～２．０Ａとした場合）である。なお、従来方式とは、ＰＩＤ制御において、ゲイン制御（ゲイン調整）を行わない方式である。

図１５（Ａ）は、シミュレーションによって得られた、ｅ_oの偏差に対してＫ_Pを切り替えた場合の起点データをまとめたものである。制御パラメータＫ_errorの値を１０，２０，３０，５０と変化させてシミュレーションを行い、起点となるデータを取得した。一方、図１５（Ｂ）は、ｅ_oの傾きに対してＫ_Pを切り替えた場合の起点データをまとめたものである。制御パラメータＫ_devの値を１０，２０，３０，５０と変化させてシミュレーションを行い、起点となるデータを取得した。

図１６（Ａ）及び図１６（Ｂ）は、特性取得部５３により、起点データ及び追加データに基づいて回路パラメータ（負荷のステップ変化（ΔＲ₁，ΔＲ₂））毎に各制御パラメータ（Ｋ_error，Ｋ_dev）の最適な組合せを予測したものである。特性取得部５３は、電力変換装置のパラメータ情報と目標制御値とを用いて機械学習を行い、予め設定した仕様や制約条件を満たす各制御パラメータの最適な組合せ（第１特性）を予測した。図１６（Ａ）及び図１６（Ｂ）に示す○で囲まれた制御パラメータ値が、仕様や制約条件を満たすと評価された値である。特性取得部５３は、新しい電力変換装置のパラメータ情報が通知される度に（データが増える度に）、制御パラメータの最適な組合せを予測する。データが増える（例えば、様々なパターンの負荷のステップ変化におけるデータが増える）ことで、有用な特性（予め設定した仕様や制約条件を満たす各制御パラメータの最適な組合せ）が増え、最適な制御パラメータを近似予測する精度が向上することとなる。

図１７（Ａ）は、予測部５４により予測された制御パラメータＫ_errorとΔｅ_omaxの関係を補間した第２特性である。一方、図１７（Ｂ）は、予測部５４により予測された制御パラメータＫ_devとΔｅ_omaxの関係を補間した第２特性である。そして、予測部５４は、第２特性に基づいて近似式を導出した。図１８（Ａ）は、図１７（Ａ）に基づいて導出された近似曲線を示したものである。横軸は、ｅ_oの偏差の絶対値をＥ_oに対する割合Ｎ_{er_per}で表したものである。図１８（Ａ）の近似曲線を近似式で表すと、近似式（１）となる。

一方、図１８（Ｂ）は、図１７（Ｂ）に基づいて導出された近似曲線を示したものであり、図１８（Ｂ）の近似曲線を近似式で表すと、近似式（２）となる。

第２特性は第１特性を用いて機械学習を行い補間（法則化）されるため、前述したようにデータが増える度に第２特性も補間し直される。また、第２特性に基づいて導出される近似式も同様である。このように、起点となるデータから導出された近似式から、データの増加により特性取得部５３及び予測部５４において予測（学習）が繰り返し行われ、最適な制御パラメータを近似予測する精度が向上される。

以上のように、導出されたＫ_errorの近似式（１）及びＫ_devの近似式（２）を用いて、制御対象となるΔｅ_omaxの目標値に応じたＫ_error及びＫ_devを予測し、前述したＫ_Pの値を決定した。なお、導出した近似式は、導出に用いたデータの範囲に縛られることなく、広く一般化して用いることができる。例えば、導出に用いた出力電圧の目標値の範囲が１％～５％である場合、それ以外の範囲の出力電圧の目標値とするための制御パラメータも予測できる。
図１９は、導出された近似式（ゲイン切り替え関数）を用いてＫ_Pを切り替えた場合の過渡特性を示している。図１９（Ａ）は、負荷ステップが０．２Ａ～１．０Ａの場合、図１９（Ｂ）は、負荷ステップが０．２Ａ～２．０Ａの場合である。
どちらの場合も、Δｅ_omaxに関しては、従来方式が４．６％及び１０％であるのに対し、１．２％及び２．４％と大きく低減されている。
また、t_cvに関しても、従来方式に比べて十分に早い段階でｅ_oの変化を抑え、±１％以内に収束させることができている。収束範囲を±１％基準とすると、図１９（Ａ），（Ｂ）の収束時間の括弧内に示されているように、従来方式が４．７ｍｓ及び４．８ｍｓであるのに対し、０．０４ｍｓ（９９％減）及び０．１２ｍｓ（９６％減）と、大きく改善されている。
なお、ｉ_Lに関しては、従来方式が５９％及び１５０％であるのに対し、６３％及び３４％と同等程度に抑制されている。

以上の試験例の結果をまとめる。本実施の形態に係る出力安定装置５０を用いて、制御対象Δｅ_omaxの制御目標値に応じた制御パラメータＫ_error及びＫ_devを予測した。そして、予測された制御パラメータＫ_error及びＫ_devを用いてゲイン制御を行い、従来方式の過渡特性と、今回の過渡特性を比較した。その結果、以下のよう良好な結果が得られた。
（１）従来方式と比較して、出力電圧のアンダーシュートは約１／４に抑制できた。
（２）従来方式と比較して、出力電圧の収束時間は、目標電圧の±１％を基準とした場合、９６％～９９％の改善率を得ることができた。
（３）従来方式と比較して、リアクトル電流は同等程度に抑制できた。
このように、設計支援装置５を電力変換装置１のゲイン切り替え方式に適用することで、従来方式よりも大きな効果が得られた。なお、試験例の結果としてゲイン切り替え方式を記載しているが、回路及び制御パラメータ全般の設計にも有用である。

（第３の実施の形態）
最後に、本発明の第３の実施の形態を説明する。図２に示す電力変換装置１０は、上述したように、出力安定装置５０へパラメータ情報を通知する。ここで、出力安定装置５０の検知部５６は、電力変換装置１０から通知された制御値が所定の閾値を超えた場合に、異常と判断する（図９参照）。

図２０に、検知部６６が検知する異常の具体例を示す。図２０（Ａ）は、正常時の過渡特性（直線）と、出力電圧が所定の閾値を超えた異常時の過渡特性（破線）を示している。この場合、検知部６６は、内部損失が増加していると判断し、報知部６７は、その内容を報知する。一方、図２０（Ｂ）は、正常時の過渡特性（直線）と、出力電圧が所定の閾値を超え、かつオーバーシュート又はアンダーシュートの立ち上がり又は立ち下がりの周期が所定の閾値未満である異常時の過渡特性（破線）を示している。この場合、検知部６６は、キャパシタの静電容量が減少していると判断し、報知部６７は、その内容を報知する。

このように、出力安定装置５０により、電力変換装置１０の異常（故障）を事前に予測することができる。ここで、報知部５７は、有線又は無線通信を利用し報知してもよいし、ＬＥＤなどを設け、異常の種類毎に定めた所定の色で発光させることにより報知してもよい。

本実施の形態では、電力変換装置１及び電力変換装置１０としてＤＣ－ＤＣコンバータを例に説明したが、ＡＣ－ＤＣコンバータやＤＣ－ＡＣインバータでもよい。
電力変換装置１及び電力変換装置１０は、ＰＷＭ信号生成部４５からの信号Ｓ_PWMによりＰＷＭ制御を行っているが、シリーズ方式により制御するようにしてもよいし、ＰＦＭ制御を行ってもよい
フィードバック制御部としてＰＩＤ制御を行うＰＩＤ制御部４４としているが、Ｐ制御（比例制御）のみとしたり、Ｐ制御にＩ制御（積分制御）またはＤ制御（微分制御）のいずれかを組合せたものとしたりしてもよい。
また、ＰＩＤ制御部４４は、フィードバック制御部はデジタルフィルタを採用してもよい。
更に、本実施の形態では、ＤＣ－ＤＣコンバータ部２１からの出力電圧に基づいてゲイン調整値を算出していたが、出力電流、電力、インピーダンスに基づいて偏差や傾きを求めるようにしてもよい。この場合、制御対象は目標電流、目標電力、目標インピーダンスとなる。
なお、本実施の形態では、ＤＣ－ＤＣコンバータ部２１からの出力電圧に基づいてゲイン調整値を算出するための制御パラメータを予測していたが、目標制御値を目標電流、目標電力、目標インピーダンスとして制御パラメータを予測してもよい。

本発明の設計支援装置及び出力安定装置は、目標制御値に応じた適切な制御パラメータの予測が必要となるデジタル制御電源の設計や、動的な制御パラメータの変更などに好適である。

１，１０ 電力変換装置
２ 電力変換部
２１ ＤＣ－ＤＣコンバータ部
３ 駆動部
４，４０ 駆動制御部
４１ 前置増幅部
４２ ＡＤコンバータ部
４３ ゲイン演算部
４３１ 第１演算部
４３２ 第２演算部
４３３ 加算部
４３４ ゲイン抑制部
４３ａ 偏差演算部
４３ｂ 第１絶対値演算部
４３ｃ 第１ゲイン演算部
４３ｄ バッファ部
４３ｅ 傾き演算部
４３ｆ 第２絶対値演算部
４３ｇ 第２ゲイン演算部
４４ ＰＩＤ制御部
４５ ＰＷＭ信号生成部
４６ 通知部
４７ 設定部
５ 設計支援装置
５０ 出力安定装置
５１ 入力部
５２ 記憶部
５３ 特性取得部
５４ 予測部
５５ 出力部
５６ 検知部
５７ 報知部
Ｂ 直流電源
Ｔｒ スイッチング素子
Ｌ リアクトル
Ｄ ダイオード
Ｃ キャパシタ
Ｒ 負荷
Ｌ１ 電源線
Ｌ２ グランド線
Ｔ１１，Ｔ１２ 入力端子
Ｔ２１，Ｔ２２ 出力端子

Claims (8)

1. 入力された電力を変換して負荷へ出力する電力変換部と、前記負荷への出力をゲイン制御する駆動制御部とを備えた電力変換装置の設計を支援する設計支援装置であって、
   前記電力変換部を構成する回路部品の回路パラメータ、前記駆動制御部のゲインを決定する制御パラメータ、及び制御値からなる群から選択されるパラメータ情報と目標制御値との入力を受け付ける入力部と、
   前記パラメータ情報及び前記目標制御値が蓄積される記憶部と、
   前記パラメータ情報及び前記目標制御値に基づいて得られた第１特性を前記記憶部に蓄積する特性取得部と、
   前記記憶部に蓄積された前記第１特性を補間して得られた第２特性により、前記目標制御値に応じて近似予測された制御パラメータを近似予測する予測部と、
   前記近似予測された制御パラメータを出力する出力部と
   を備えた設計支援装置。
2. 前記特性取得部は、前記パラメータ情報と前記目標制御値とを用いて機械学習を行い、前記目標制御値を満たすパラメータの組合せを第１特性として前記記憶部に蓄積する機能と、
   前記予測部は、前記第１特性を用いて機械学習を行い、学習結果を法則化した第２特性により前記目標制御値に応じた制御パラメータを近似予測する機能と
   を含む請求項１に記載の設計支援装置。
3. 入力された電力を変換して負荷へ出力する電力変換部と、前記負荷への出力をゲイン制御する駆動制御部とを備え、
   前記電力変換部を構成する回路部品の回路パラメータ、前記駆動制御部のゲインを決定する制御パラメータ、及び制御値からなる群から選択されるパラメータ情報を通知する通知部と、制御パラメータを設定する設定部とを含む電力変換装置の動作を制御する出力安定装置であって、
   前記パラメータ情報及び目標制御値の入力を受け付ける入力部と、
   前記パラメータ情報及び前記目標制御値が蓄積される記憶部と、
   前記パラメータ情報及び前記目標制御値に基づいて得られた第１特性を前記記憶部に蓄積する特性取得部と、
   前記記憶部に蓄積された前記第１特性を補間して得られた第２特性により、前記目標制御値に応じて近似予測された制御パラメータを近似予測する予測部と、
   前記近似予測された制御パラメータを出力する出力部と
   を備え、
   前記電力変換装置の前記通知部からの通知に基づいて、前記予測部が新たな制御パラメータを演算し、前記出力部から前記電力変換装置の前記設定部へ前記新たな制御パラメータを出力する出力安定装置。
4. 前記特性取得部は、前記パラメータ情報と前記目標制御値とを用いて機械学習を行い、前記目標制御値を満たすパラメータの組合せを第１特性として前記記憶部に蓄積する機能と、
   前記予測部は、前記第１特性を用いて機械学習を行い、学習結果を法則化した第２特性により前記目標制御値に応じた制御パラメータを近似予測する機能と
   を含む請求項３に記載の出力安定装置。
5. 前記制御値が所定の閾値を超えたことを異常として検知する検知部と、
   前記検知部による前記異常を報知する報知部と
   を備えた請求項３又は４に記載の出力安定装置。
6. 前記検知部が前記制御値として出力電圧の異常を検知する請求項５に記載の出力安定装置であって、
   前記検知部は、前記出力電圧のオーバーシュート又はアンダーシュートの立ち上がり又は立ち下がりの周期が所定の閾値未満か否かを検知し、
   前記報知部は、前記周期が所定の閾値未満であれば、前記電力変換部のキャパシタの静電容量が減少していることを、前記周期が所定の閾値以上であれば、内部損失が増加していることを異常として報知する出力安定装置。
7. 請求項１又は２に記載の設計支援装置として、コンピュータを機能させるための設計支援プログラム。
8. 請求項３～６のいずれか１項に記載の出力安定装置として、コンピュータを機能させるための出力安定プログラム。

Images